| Beschriftung | Erläuterung | Datentyp |
Eingabe-Features | Die Eingabe-Features mit den Feldern, die zur Auswahl der SWM verwendet werden. | Feature Layer |
Eingabefelder | Die Eingabefelder, die zur Auswahl der SWM verwendet werden. | Field |
Ausgabe der räumlichen Gewichtungsmatrix | Die .swm-Ausgabedatei der Nachbarn und Gewichtungen, die vom Werkzeug ausgewählt wurden. | File |
Eindeutiges ID-Feld | Das Feld für die eindeutige ID der .swm-Ausgabedatei. Das Feld muss für jedes Eingabe-Feature einen Einzelwert in Form einer ganzen Zahl enthalten. | Field |
Zusammenfassung
Wählt aus verschiedenen SWM-Kandidaten die räumliche Gewichtungsmatrix (Spatial Weights Matrix; SWM) aus, die die räumlichen Muster (z. B. Trends oder Cluster) eines oder mehrerer numerischer Felder am besten darstellt.
Die Ausgabe-Datei der räumlichen Gewichtungsmatrix kann dann in Werkzeugen verwendet werden, die .swm-Dateien als Werte für die Parameter Nachbarschaftstyp oder Konzeptualisierung von räumlichen Beziehungen zulassen, z. B. die Werkzeuge Bivariate räumliche Zuordnung (Lee's L), Hot-Spot-Analyse (Getis-Ord Gi*) und Cluster- und Ausreißeranalyse (Anselin Local Morans I).
Das Werkzeug wählt die SWM aus, indem es räumliche Komponenten (als Moran-Eigenvektoren bezeichnet) aus den einzelnen SWM-Kandidaten erstellt und testet, wie effektiv die Komponenten die räumlichen Muster der Eingabefelder darstellen.
Abbildung
Verwendung
-
Dieses Werkzeug dient dem Zweck, den Nachbarschaftstyp und das Gewichtungsschema (bisweilen als Konzeptualisierung von räumlichen Beziehungen bezeichnet) vorzuschlagen, durch den bzw. das die räumlichen Muster der Eingabefelder am besten dargestellt werden. Dazu wird getestet, welche räumliche Gewichtung die räumlichen Komponenten ergibt, mit denen sich die Werte der Eingabefelder am genauesten vorhersagen lassen. Hintergrund des ganzen ist, dass jede räumliche Komponente über ein räumliches Muster verfügt und die Eingabefelder sich am genauesten von Komponenten vorhersagen lassen, die über die ähnlichsten Muster bei den Eingabefeldern verfügen. Diese vorgeschlagene SWM soll jedoch keinen Ersatz für individuelle oder fachmännische Kenntnisse der Daten und zugehörigen Prozesse darstellen. Es gibt viele Überlegungen bezüglich der Auswahl einer SWM für die Analyse. Dieses Werkzeug greift lediglich auf die Möglichkeit zurück, die Eingabefelder durch räumliche Komponenten vorherzusagen und so die vorgeschlagene SWM zu bestimmen. In einigen Fällen gibt es alternative Methoden für die Auswahl einer SWM, etwa beim Werkzeug Hot-Spot-Analyse (Getis-Ord Gi*). Es ist beispielsweise möglich, das Entfernungsband zu verwenden, mit dem die räumliche Autokorrelation der Daten maximiert wird. (Auf diese Weise werden die Nachbarn und Gewichtungen vom Werkzeug Optimierte Hot-Spot-Analyse bestimmt.) Es empfiehlt sich, alternative Methoden für Nachbarschaften und räumliche Gewichtungen zu testen und diejenige zu verwenden, die sich am besten für das Erreichen der Ziele der Analyse eignet.
Geben Sie alle Felder für den Parameter Eingabefelder, die Sie in der folgenden Analyse verwenden, in der .swm-Ausgabedatei an. Für das Werkzeug Hot-Spot-Analyse (Getis-Ord Gi*) etwa ist nur ein Feld erforderlich, für das Werkzeug Bivariate räumliche Zuordnung (Lee's L) werden jedoch zwei Felder benötigt. Sie können die .swm-Ausgabedatei im Parameter Gewichtungsmatrix-Datei angeben, nachdem Sie die Option Räumliche Gewichtungen aus Datei abrufen für den Parameter Nachbarschaftstyp oder Konzeptualisierung von räumlichen Beziehungen von nachfolgend verwendeten Analysewerkzeugen angegeben haben.
Die folgenden SWMs werden vom Werkzeug getestet:
- Fünf Entfernungsbänder, jeweils mit ungewichtetem, Gauß- und Biquadrat-Kernel (insgesamt 15). Das kürzeste Entfernungsband ist die Entfernung, bei der jedes Feature mindestens einen Nachbarn hat. Das längste Entfernungsband umfasst 20 Prozent der diagonalen Ausdehnung der Eingabe-Features. Die anderen drei Entfernungsbänder werden durch gleichmäßiges Inkrementieren zwischen dem kürzesten und dem längsten Entfernungsband erstellt. Bei Polygon-Features wird zur Bestimmung der Entfernungen und Nachbarn die Entfernung zwischen Schwerpunkten verwendet.
- Vier unterschiedliche Werte für die Anzahl der Nachbarn (8, 16, 32 und 64), jeweils mit ungewichtetem, Gauß- und Biquadrat-Kernel (insgesamt 12). Die Bandbreiten sind adaptiv und entsprechen bei K Nachbarn der Entfernung zum Nachbarn (k+1). Wenn weniger als K Eingabe-Features vorhanden sind, dann wird jede größere Anzahl der Nachbarn übersprungen. Wenn zum Beispiel 50 K Eingabe-Features vorhanden sind, dann werden die drei SWMs mit 64 nächsten Nachbarn übersprungen. Bei Polygon-Features wird zur Bestimmung der Entfernungen und Nachbarn die Entfernung zwischen Schwerpunkten verwendet.
- Bei Punkt-Features ist die endgültige SWM eine Nachbarschaft des Typs "Delaunay-Triangulation". Bei Polygon-Features ist die endgültige SWM eine Nachbarschaft des Typs "Benachbarte Kanten/Ecken".
Weitere Informationen zu den einzelnen Nachbarschaften und zur Kernel-Gewichtung finden Sie unter Funktionsweise des Werkzeugs "Nachbarschaftssummenstatistik" und Modellierung von räumlichen Beziehungen.
Die Geoverarbeitungsmeldungen umfassen die Tabelle "Suchverlauf für Nachbarschaften", in der Informationen zu den einzelnen getesteten SWMs (z. B. die Anzahl der Nachbarn und das Gewichtungsschema) und der Adjusted R-Squared-Wert der SWM bei Verwendung für die Vorhersage der Eingabefelder angezeigt werden. Die vom Werkzeug vorgeschlagene SWM ist diejenige mit dem höchsten Adjusted R-Squared-Wert. Sie wird in der Tabelle fett gedruckt und mit einem Sternchen versehen.
Die vorgeschlagene SWM wird auf folgende Weise vom Werkzeug bestimmt:
- Für jede SWM werden die Moran-Eigenvektoren mit den höchsten Eigenwerten (die Werte mit der stärksten Autokorrelation) generiert. Die Anzahl der Eigenvektoren entspricht 25 % der Anzahl der Features bis hin zu maximal 100.
- Alle Eigenvektoren mit negativen Morans I-Werten (d. h. negativ autokorrelierte Werte) werden ausgefiltert.
- Jedes Eingabefeld wird einzeln mithilfe der Eigenvektoren als erklärende Variablen in einem Regressionsmodell mit kleinsten Quadraten vorhergesagt.
- Die Gesamtzahl der Quadrate und Summe der Residuen der Quadrate für alle Felder werden aggregiert und ein kombinierter Adjusted R-Squared-Wert berechnet.
- Die SWM mit dem höchsten Adjusted R-Squared-Wert wird zurückgegeben.
Dieses Verfahren wird in der folgenden Quelle ausführlich beschrieben:
Bauman, David; Drouet, Thomas; Fortin, Marie-Josée und Dray, Stéphane. 2018. "Optimizing the choice of a spatial weighting matrix in eigenvector-based methods." Ecology 99, Nr. 10: 2159–2166. https://doi.org/10.1002/ecy.2469.
Parameter
arcpy.stats.CompareNeighborhoodConceptualizations(in_features, input_fields, out_swm, id_field)
| Name | Erläuterung | Datentyp |
in_features | Die Eingabe-Features mit den Feldern, die zur Auswahl der SWM verwendet werden. | Feature Layer |
input_fields [input_fields,...] | Die Eingabefelder, die zur Auswahl der SWM verwendet werden. | Field |
out_swm | Die .swm-Ausgabedatei der Nachbarn und Gewichtungen, die vom Werkzeug ausgewählt wurden. | File |
id_field | Das Feld für die eindeutige ID der .swm-Ausgabedatei. Das Feld muss für jedes Eingabe-Feature einen Einzelwert in Form einer ganzen Zahl enthalten. | Field |
Codebeispiel
Das folgende Skript im Python-Fenster veranschaulicht, wie die Funktion CompareNeighborhoodConceptualizations verwendet wird:
# Select the spatial weights matrix (SWM) that best describes the
# spatial patterns of POP_SQMI.
arcpy.env.workspace = r"c:\data\project_data.gdb"
arcpy.stats.CompareNeighborhoodConceptualizations(
in_features="states",
input_fields="POP_SQMI",
out_swm=r"c:\data\states.swm",
id_field="unique_id_field"
)Das folgende eigenständige Skript veranschaulicht, wie die Funktion CompareNeighborhoodConceptualizations verwendet wird:
# Select the spatial weights matrix (SWM) that best describes
# the spatial patterns of two analysis field.
import arcpy
# Set the current workspace.
arcpy.env.workspace = r"c:\data\project_data.gdb"
# Run the tool.
arcpy.stats.CompareNeighborhoodConceptualizations(
in_features="myFeatureClass",
input_fields="myAnalysisField1;myAnalysis Field2",
out_swm=r"myOutputSWM.swm",
id_field="myUniqueIDField"
)
# Print the tool messages.
print(arcpy.GetMessages())Umgebungen
Dieses Werkzeug verwendet keine Geoverarbeitungsumgebungen.
Lizenzinformationen
- Basic: Ja
- Standard: Ja
- Advanced: Ja